Dokumen tersebut membahas mengenai ukuran dispersi atau variasi data, yang meliputi jangkauan, rerata deviasi, variansi, dan deviasi baku. Jangkauan adalah selisih antara nilai tertinggi dan terendah dari data, sedangkan rerata deviasi dan variansi mengukur seberapa jauh nilai-nilai data bervariasi dari rata-rata nilai data. Dokumen ini juga menjelaskan rumus-rumus untuk menghitung keempat ukuran dispersi

1. Ukuran Dispersi Page 1
BAB 5
UKURAN DISPERSI
A. Ukuran Dispersi
Menurut Hasan (2011 : 101) ukuran dispersi atau ukuran variasi atau ukuran
penyimpangan adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai
data dari nilai-nilai pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai
data yang berbeda dengan nilai-nilai pusatnya.
Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat dalam
menggambarkan sekumpulan data. Jadi, dengan adanya ukuran dispersi maka
penggambaran sekumpulan data akan menjadi lebih jelas dan tepat.
Macam-macam ukuran dispersi adalah jangkauan, rerata deviasi, variansi, dan
deviasi baku.
B. Jangkauan (Range , R)
Menurut Hasan (2011 : 101), jangkauan atau ukuran jarak adalah selisih nilai
terbesar data dengan nilai terkecil data. Menurut Riduwan dan Akdon (2013 : 39) range
(rentangan) ialah data tertinggi dikurangi data terendah. Sedangkan menurut Siregar
(2010 : 40), rentang atau daerah jangkauan adalah selisih antara nilai terbesar sama nilai
terkecil dari serangkaian data. Dan menurut Usman dan Akbar (2008 : 95), rentang ialah
ukuran variasi yang paling sederhana yang dihitung dari datum terbesar dikurang datum
data terkecil.
Jadi jangkauan adalah selisih antara nilai tertinggi dengan nilai terendah dari
serangkaian data. Berikut adalah rumus jangkauan (range) untuk data tunggal dan data
kelompok menurut Hasan (2011 : 101) adalah sebagai berikut :
1. Data tunggal
Bila ada sekumpulan data tunggal 𝑥1, 𝑥2, 𝑥3, … , 𝑥 𝑛 maka jangkauannya adalah
Jangkauan = 𝑥 𝑛 − 𝑥1
Contoh soal :
Tentukan jangkauan data : 1, 4, 7, 8, 9, 11
Penyelesaian :
𝑋6 = 11 dan 𝑋1 = 1
Jangkauan = X6 – X1 = 11 – 1 = 10

2. Ukuran Dispersi Page 2
2. Data kelompok
Untuk data berkelompok, jangkauan dapat ditentukan dengan dua cara yaitu
menggunakan titik atau nilai tengah dan menggunakan tepi kelas.
a. Jangkauan adalah selisih titik tengah kelas tertinggi dengan titik tengah kelas
terendah.
b. Jangkauan adalah selisih tepi atas kelas tertinggi dengan tepi bawah kelas
terendah.
Contoh soal :
Tentukan jangkauan dari distribusi frekuensi berikut !
Tabel 1 Pengukuran Tinggi Badan 50 Mahasiswa
Tinggi Badan (cm) Frekuensi
140 – 144 2
145 – 149 4
150 – 154 10
155 – 159 14
160 – 164 12
165 – 169 5
170 – 174 3
Jumlah 80
Penyelesaian :
Titik tengah kelas terendah = 142
Titik tengah kelas tertinggi = 172
Tepi bawah kelas terendah = 139,5
Tepi atas kelas tertinggi = 174,5
1) Jangkauan = 172 – 142 = 30
2) Jangkauan = 174,5 – 139,5 = 35
C. Rerata Deviasi (Simpangan Rata-rata
Menurut Hasan (2011 : 105) deviasi rata-rata adalah nilai rata-rata hitung dari harga
mutlak simpangan-simpangannya. Cara mencari deviasi rata-rata, dibedakan antara data
tunggal dan data kelompok.

3. Ukuran Dispersi Page 3
1. Deviasi rata-rata data tunggal
Untuk data tunggal, deviasi rata-ratanya dapat dihitung dengan menggunakan rumus:
DR =
1
𝑛
∑| 𝑋 − 𝑋̅ | =
∑ | 𝑋− 𝑋 |̅̅̅̅
𝑛
Contoh soal:
Tentukan deviasi rata-rata dari 2, 3, 6, 8, 11!
Rata-rata hitung = 𝑋̅ =
2 + 3+ 6 + 8+ 11
5
= 6
∑ | 𝑋𝑖 − 𝑋 | = |2 - 6| + |3 - 6| + |6 - 6| + |8 - 6| + |11 - 6| = 14
𝐷𝑅 =
∑ | 𝑋𝑖 − 𝑋 ǀ̅̅̅̅
𝑛
=
14
5
= 2,8
2. Deviasi rata –rata untuk data kelompok
DR =
1
𝑛
∑ 𝑓 | 𝑋 − 𝑋̅ | =
∑𝑓 | 𝑋− 𝑋 |̅̅̅̅
𝑛
Contoh soal:
Tentukan deviasi rata-rata dari distribusi frekuensi pada Tabel 1 Pengukuran Tinggi
Badan 50 Mahasiswa !
Penyelesaian :
Tinggi Badan
(cm)
X f 𝒙𝒊 𝒇𝒊 | 𝑿 − 𝑿̅ | f | 𝑿 − 𝑿̅ |
140-144 142 2 284 15,7 31,4
145-149 147 4 588 10,7 42,8
150-154 152 10 1520 5,7 57
155-159 157 14 2198 0,7 9,8
160-164 162 12 1944 4,3 51,6
165-169 167 5 835 9,3 46,5
170-174 172 3 516 14,3 42,9
Jumlah - 50 7885 - 282

4. Ukuran Dispersi Page 4
𝑥̅ =
∑(𝑥 𝑖 𝑓𝑖)
∑ 𝑓𝑖
=
7885
50
= 157,7
𝐷𝑅 =
∑𝑓|𝑋−𝑋̅|
𝑛
=
282
50
= 5,64
D. Variansi
Menurut Riduwan dan Akdon (2013 : 43), variance (varians) adalah kuadrat dari
simpangan baku. Fungsinya untuk mengetahui tingkat penyebaran atau variasi
data.sedangkan menurut Hasan (2011: 107), variansi adalah nilai tengah kuadrat
simpangan dari nilai tengah atau simpangan rata-rata kuadrat. Untuk sampel, variansnya
(varians sampel) disimbolkan dengan s². Untuk populasi, variansnya (varians populasi)
disimbolkan dengan 𝜎² (baca: sigma).
1. Varians data tunggal
Untuk seperangkat data 𝑥1, 𝑥2, 𝑥3, … , 𝑥 𝑛 (data tunggal), variansnya dapat
ditentukan dengan dua metode, yaitu metode biasa dan metode angka kasar.
a. Metode biasa
1) Untuk sampel besar ( n > 30 ) :
s² =
∑( 𝑋− 𝑋 )²̅̅̅̅̅
𝑛
2) Untuk sampel kecil ( n ≤ 30 ) :
s² =
∑( 𝑋− 𝑋 )²̅̅̅̅̅
𝑛−1
b. Metode angka kasar
1) Untuk sampel besar ( n > 30 ) :
s² =
∑ 𝑋²
𝑛
− (
∑ 𝑋
𝑛
)2
2) Untuk sampel kecil ( n ≤ 30 ) ∶
s² =
∑ 𝑋²
𝑛−1
–
( ∑ 𝑋 )²
𝑛(𝑛−1)
Contoh soal:
Tentukan varians dari data 2, 3, 6, 8, 11!

5. Ukuran Dispersi Page 5
Penyelesaian:
n = 5
𝑋̅ =
2+3+6+8+11
5
= 6
X 𝑋 − 𝑋̅ (𝑋 − 𝑋̅)2 𝑋2
2 -4 16 4
3 -3 9 9
6 0 0 36
8 2 4 64
11 5 25 121
30 54 234
𝑠2
=
∑(𝑋−𝑋̅)
𝑛−1
𝑠2
=
∑𝑋2
𝑛−1
−
(∑𝑋)2
𝑛(𝑛−1)
=
54
5−1
=
234
5−1
−
(30)2
5(5−1)
= 13,5 = 13,5
2. Varians data berkelompok
Untuk data berkelompok (distribusi frekuensi), variansnya dapat ditentukan
menggunakan tiga metode, yaitu metode biasa, metode angka kasar, dan metode
coding.
a. Metode biasa
1) Untuk sampel besar (n > 30)
s²=
∑ 𝑓(𝑋−𝑋)²̅̅̅̅
𝑛
2) Untuk sampel kecil (n ≤ 30)
s²=
∑ 𝑓(𝑋−𝑋)²̅̅̅̅
𝑛−1
b. Metode angka kasar
1) Untuk sampel besar ( n> 30 ):

6. Ukuran Dispersi Page 6
s² =
∑ 𝑓𝑋2
𝑛
− (
∑ 𝑓𝑋
𝑛
) ²
2) Untuk sampel kecil ( n ≤ 30 ):
s² =
∑ 𝑓𝑋²
𝑛−1
−
(∑𝑓𝑋)2
𝑛(𝑛−1)
c. Metode coding
1) Untuk sampel besar ( n > 30):
𝑠2
= 𝐶2
.
∑ 𝑓𝑢²
𝑛
− (
∑ 𝑓𝑢
𝑛
)
2
a. Untuk sampel kecil (n ≤ 30):
𝑠2= 𝐶2 .
∑ 𝑓𝑢²
𝑛−1
−
(∑ 𝑓𝑢)
𝑛(𝑛−1)
2
Keterangan :
C = panjang interval kelas
u =
𝑑
𝐶
=
𝑋−𝑀
𝐶
M = rata – rata hitung sementara
Contoh soal :
Tentukan varian dari distribusi frekuensi berikut!
Tabel 2 Pengukuran Diameter Pipa
Diameter (mm) Frekuensi
65-67 2
68-70 5
71-73 13
74-76 14
77-79 4
80-82 2
Jumlah 40

7. Ukuran Dispersi Page 7
Penyelesaian :
1) Dengan metode biasa
Diameter X f (𝑥𝑖 𝑓𝑖) 𝑋 − 𝑋̅ (𝑋 − 𝑋̅)2
𝑓(𝑋 − 𝑋̅)2
65-67 66 2 132 -7,425 55,131 110,262
68-70 69 5 345 -4,425 19,581 97,905
71-73 72 13 936 -1,425 2,031 26, 403
74-76 75 14 1050 1,575 2,481 34,734
77-79 78 4 312 4,575 20,931 83,724
80-82 81 2 162 7,575 57,381 114,762
Jumlah - 40 2937 - - 467,790
𝑥̅ =
∑(𝑥 𝑖 𝑓𝑖)
∑ 𝑓𝑖
=
2937
40
= 73,425
𝑠2 =
∑𝑓(𝑋−𝑋̅)2
𝑛
=
467,790
40
= 11,694
2) Dengan metode angka kasar
Diameter X F 𝑋2 fX 𝑓𝑋2
65-67 66 2 4.356 132 8.712
68-70 69 5 4.761 345 23.805
71-73 72 13 5.184 936 67.392
74-76 75 14 5.625 1.050 78.750
77-79 78 4 6.084 312 24.336
80-82 81 2 6.561 162 13.122
Jumlah - 40 - 2.937 216.117
𝑠2
=
∑𝑓𝑋2
𝑛
− (
∑𝑓𝑋
𝑛
)
2
=
216.117
40
− (
2.937
40
)
2
= 5402,925 − 5391,231 = 11,694

8. Ukuran Dispersi Page 8
3) Dengan metode coding
Diameter X f u 𝑢2 fu 𝑓𝑢2
65-67 66 2 -3 9 -6 18
68-70 69 5 -2 4 -10 20
71-73 72 13 -1 1 -13 13
74-76 75 14 0 0 0 0
77-79 78 4 1 1 4 4
80-82 81 2 2 4 4 8
Jumlah - 40 - - -21 63
𝑆2
= 𝐶2
(
∑𝑓𝑢2
𝑛
− (
∑𝑓𝑢
𝑛
)
2
)
= 32
(
63
40
− (
−21
40
)
2
)
= 9(1,575 − 0,276)
= 11,694
3. Varians Gabungan
Misalkan, terdapat k buah subsampel sebagai berikut:
a. Subsampel 1, berukuran n1 dengan varians s1
2
b. Subsampel 2, berukuran n2 dengan varians s2
2
c. . . . . . . . . . . , . . . . . . . . . . . . . . . .
d. Subsampel k, berukuran nk dengan varians sk
2
Jika subsampel-subsampel tersebut digabung menjadi sebuah sampel berukuran
n1 + n2 + . . . + nk = n maka varians gabungannya adalah:
s2
gab =
(𝑛1− 1)𝑠1
2+ (𝑛2− 1)𝑠2
2+ …+(𝑛 𝑘− 1)𝑠 𝑘
2
(𝑛1+ 𝑛2+ …+ 𝑛 𝑘)− 𝑘
𝑠 𝑔𝑎𝑏
2
=
∑(𝑛 − 1)𝑠2
∑𝑛 − 𝑘

9. Ukuran Dispersi Page 9
Contoh soal:
Hasil pengamatan terhadap 20 objek mendapatkan s = 4. Pengamatan terhadap 30
objek mendapatkan s = 5. Berapakah varians gabungannya?
Penyelesaian:
n1 = 20 s1 = 4 s1
2
= 16
n2 = 30 s2 = 5 s1
2
= 25
k = 2
𝑠 𝑔𝑎𝑏
2
=
(20 − 1)16 + (30 − 1)25
(20 + 30) − 2
=
304+725
48
= 21,44
E. Simpangan Baku (Standar Deviasi)
Menurut Riduwan dan Akdon (2013 : 40), standard deviation (simpangan baku)
ialah suatu nilai yang menunjukkan tingkat (derajat) variasi kelompok atau ukuran
standar penyimpangan dari reratanya. Sedangkan menurut Hasan (2011 : 112)
Simpangan baku adalah akar dari tengah kuadrat simpangan dari nilai tengah atau akar
simpangan rata-rata kuadrat. Untuk sampel, simpangan bakunya (simpangan baku
sampel) disimbolkan dengan s. Untuk populasi, simpangan bakunya (simpangan baku
populasi) disimbolkan σ. Untuk menentukan nilai simpangan baku, caranya ialah dengan
menarik akar dari varians. Jadi,
𝑠 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠
Cara mencari simpangan baku, dibedakan antara data tunggal dan berkelompok.
1. Simpangan baku data tunggal
Untuk seperangkat data 𝑥1, 𝑥2, 𝑥3, … , 𝑥 𝑛 (data tunggal) simpangan bakunya dapat
ditentukan dengan dua metode, yaitu metode biasa dan metode angka kasar.
a. Metode biasa
1) Untuk sampel besar ( n > 30 ) :
s = √
∑( 𝑋− 𝑋̅ )2
𝑛

10. Ukuran Dispersi Page 10
2) Untuk sampel kecil ( n ≤ 30 ) :
s = √
∑( 𝑋− 𝑋 )²̅̅̅̅̅
𝑛−1
b. Metode angka kasar
1) Untuk sampel besar ( n > 30 ) :
s = √
∑ 𝑋²
𝑛
− (
∑ 𝑋
𝑛
)²
2) Untuk sampel kecil ( n ≤ 30 ) ∶
s = √
∑ 𝑋²
𝑛−1
–
( ∑ 𝑋 )²
𝑛(𝑛−1)
Contoh soal:
1. Tentukan simpangan baku (standar deviasi) dari data 2, 3, 6, 8, 11!
Penyelesaian:
Dari perhitungan diperoleh varians (s2
) = 13,5
Dengan demikian simpangan bakunya adalah
𝑠 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠
= √13,5
= 3,67
2. Berikut ini adalah sampel nilai mid test statistik 1 dari sekelompok mahasiswa di
sebuah universitas.
30, 35, 42, 50, 58, 66, 74, 82, 90, 98
Tentukan simpangan baku dari data di atas!
Penyelesaian :
n= 10
X 𝑋 − 𝑋̅ (𝑋 − 𝑋̅)2 𝑋2
30 -32,5 1.056,25 900
35 -27,5 756,25 1.225

11. Ukuran Dispersi Page 11
42 -20,5 420,25 1.764
50 -12,5 156,25 2.500
58 -4.5 20,25 3.364
66 3,5 12,25 4.356
74 11,5 132,25 5.476
82 19,5 380,25 6.724
90 27,5 756,25 8.100
98 35,5 1.260,25 9.604
625 4.950,5 44.013
x̅ =
30+35+42+50+58+66+74+82+90+98
10
=
625
10
= 62,5
1) Dengan metode biasa
𝑠 = √
∑(𝑋 − 𝑋̅)2
𝑛 − 1
= √
4.950,5
10 − 1
= √550,056
= 23,45
2) Dengan metode angka kasar
𝑠 = √
∑ 𝑋²
𝑛 − 1
–
( ∑ 𝑋 )²
𝑛(𝑛 − 1)
= √
44,013
10 − 1
−
(625)2
10(10 − 1)
= √4.890,33 − 4.340,28
= 23,45
2. Simpangan baku data berkelompok
Untuk data berkelompok (distribusi frekuensi), simpangan bakunya dapat ditentukan
dengan tiga metode, yaitu metode biasa, metode angka kasar, dan metode coding.
a. Metode biasa
1) Untuk sampel besar (n > 30)

12. Ukuran Dispersi Page 12
2) Untuk sampel kecil (n ≤ 30)
s = √
∑𝑓(𝑋− 𝑋)̅̅̅̅2
𝑛−1
b. Metode angka kasar
1) Untuk sampel besar ( n> 30 ):
s = √∑𝑓𝑋2
𝑛
− (
∑𝑓𝑋
𝑛
)
2
2) Untuk sampel kecil ( n ≤ 30 ):
s = √
∑𝑓𝑋2
𝑛−1
−
(∑𝑓𝑋)2
𝑛(𝑛−1)
c. Metode coding
1) Untuk sampel besar ( n > 30):
𝑠 = 𝐶√
∑𝑓𝑢2
𝑛
− (
∑𝑓𝑢
𝑛
)
2
2) Untuk sampel kecil (n ≤ 30):
𝑠 = 𝐶√
∑𝑓𝑢2
𝑛 − 1
−
(∑𝑓𝑢)2
𝑛(𝑛 − 1)
Keterangan :
C = panjang interval kelas
u =
𝑑
𝐶
=
𝑋−𝑀
𝐶
M = rata – rata hitung sementara
s = √
∑𝑓(𝑋−𝑋)̅̅̅̅2
𝑛

13. Ukuran Dispersi Page 13
Contoh soal :
1. Tentukan simpangan baku dari distribusi frekuensi pada contoh Tabel 2!
Penyelesaian:
Dari perhitungan didapatkan varians (𝑠2) = 11,694. Dengan demikian simpangan
bakunya adalah
𝑠 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠
= √11,694
= 3,42
2. Tentukan simpangan baku dari distribusi frekuensi berikut (gunakan ketiga rumus)!
Tabel 3 Berat Badan 100 Mahasiswauniversitas “B”
Penyelesaian:
a. Dengan metode biasa
Berat Badan X 𝒇 fX 𝑿 − 𝑿̅ (𝑿
− 𝑿̅) 𝟐
f.(𝑿 − 𝑿̅) 𝟐
40-44 42 8 336 -13,85 191,8225 1.534,58
45-49 47 12 564 -8,85 78,3225 939,87
50-54 52 19 988 -3,85 14,8225 281,63
55-59 57 31 1.767 1,15 1,3225 40,99
60-64 62 20 1.240 6,15 37,8225 756,45
65-69 67 6 402 11,15 124,3225 745,94
70-74 72 4 288 16,15 260,8225 1.043,29
Berat Badan (kg) Frekuensi (f)
40-44 8
45-49 12
50-54 19
55-59 31
60-64 20
65-69 6
70-74 4
Jumlah 100

14. Ukuran Dispersi Page 14
Jumlah 100 5.585 5.342,75
𝑋̅ =
∑𝑓𝑋
∑𝑓
=
5.585
100
= 55,85
𝑠 = √
∑𝑓(𝑋−𝑋)̅̅̅̅2
𝑛
= √
5.342,75
100
= 7,31
b. Dengan metode angka kasar
Berat Badan 𝒇 X 𝑿 𝟐 fX 𝒇𝑿 𝟐
40-44 8 42 1.764 336 14.112
45-49 12 47 2.209 564 26.508
50-54 19 52 2.704 988 51.376
55-59 31 57 3.249 1.767 100.719
60-64 20 62 3.844 1.240 76.880
65-69 6 67 4.489 402 26.934
70-74 4 72 5.184 288 20.736
Jumlah 100 5.585 317.265
𝑠 = √∑𝑓𝑋2
𝑛
− (
∑𝑓𝑋
𝑛
)
2
= √
317.265
100
− (
5.585
100
)
2
= 7.31
c. Dengan metode coding
Berat Badan X 𝒇 u 𝒖 𝟐
fu 𝒇𝒖 𝟐
40-44 42 8 -3 9 -24 72
45-49 47 12 -2 4 -24 48
50-54 52 19 -1 1 -19 19
55-59 57 31 0 0 0 0
60-64 62 20 1 1 20 20

15. Ukuran Dispersi Page 15
65-69 67 6 2 4 12 24
70-74 72 4 3 9 12 36
Jumlah 100 -23 219
C = 5
𝑠 = 𝐶√
∑𝑓𝑢2
𝑛
− (
∑𝑓𝑢
𝑛
)
2
= 5√219
100
− (
−23
100
)
2
= 7,31
3. Simpangan baku gabungan
Untuk mencari simpangan baku gabungan, caranya adalah dengan menarik akar dari
varians gabungan.
𝑠 𝑔𝑎𝑏 = √𝑠 𝑔𝑎𝑏
2
Dalam bentuk rumus, simpangan baku gabungan dituliskan:
𝑠 𝑔𝑎𝑏=
(𝑛−1)𝑠1+ (𝑛−1)𝑠2+ …+(𝑛−1)𝑠1
(𝑛1+𝑛2+⋯+𝑛 𝑘)−𝑘
𝑠 𝑔𝑎𝑏=
∑(𝑛−1)𝑠
∑𝑛−𝑘
Contoh soal :
Jika diketahui :
n1 = 150 dan s1 = 6,04
n2 = 40 dan s2 = 3,42
Tentukan sgab !
Penyelesaian :
𝑠 𝑔𝑎𝑏=
(𝑛−1)𝑠1+ (𝑛−1)𝑠2
(𝑛1+𝑛2)−𝑘
=
(150−1)6,04+(40−1)3,42
(150+40)−2
= 5,496
F. Mengaplikasikan Ukuran Dispersi Dalam Suatu Peristiwa

16. Ukuran Dispersi Page 16
Adalah ukuran variasi atau seberapa jauh nilai tersebar datum dengan lainnya dari
gugus data. Aplikasi ukuran dispersi yang sering digunakan adalah standar deviasi.
Ukuran dispersi biasanya digunakan bersamaan dengan tendensi sentral untuk
mempelajari distribusi data. Berikut adalah perhitungan yang termasuk dalam ukuran
dispersi:
1. Range (Jangkauan Data) – interval terkecil yang memuat semua data. Didapat dengan
mencari selisih nilai maksimum dengan nilai minimum.
2. Rerata deviasi – menunjukkan seberapa jauh deviasi data pada suatu gugus dari nilai
tengahnya.
3. Variansi – menunjukkan seberapa jauh penyebaran satu nilai dengan nilai yang lain
pada gugus data.
4. Deviasi Baku (Simpangan baku)

17. Ukuran Dispersi Page 17
DAFTAR PUSTAKA
Akbar, Purnomo Setiady dan Husaini Usman. 2006. Pengantar Statistika Edisi Kedua.
Jakarta : PT Bumi Aksara
Akdon dan Riduwan .2013. Rumus dan Data dalam Analisis Statistika. Bandung : Alfabeta.
Dajan, Anto, 1986. “Pengantar Metode Statistik Jilid II”. Jakarta : LP3ES .
Furqon. 1999. Statistika Terapan Untuk Penelitian. AFABETA:Bandung
Gaspersz, Vincent. 1989. Statistika. Armico:Bandung
Hamid, H.M. Akib dan Nar Herrhyanto. 2008. Statistika Dasar. Jakarta : Universitas
Terbuka.
Harinaldi, 2005. “Prinsip-prinsip Statistik untuk Teknik dan Sains”. Jakarta : Erlangga.
Hasan, M. Iqbal. 2011. Pokok – Pokok Materi Statistika 1 (Statistik Deskriptif). Jakarta :PT
Bumi Aksara
Herrhyanto, Nar. 2008. Statistika Dasar. Jakarta: Universitas Terbuka.
Mangkuatmodjo, Soegyarto. 2004. Statistika Lanjutan. Jakarta: PT Rineka Cipta.
Pasaribu, Amudi. 1975. Pengantar Statistik. Gahlia Indonesia : Jakarta
Rachman,Maman dan Muchsin . 1996. Konsep dan Analisis Statistik. Semarang : CV. IKIP
Semarang Press
Riduwan . 2010. Dasar-dasar Statistika. Bandung : Alfabeta.
Saleh,Samsubar. 1998. STATISTIK DESKRIPTIP. Yogyakarta : UPP AMP YKPN.
Siregar,Syofian. 2010. Statistika Deskriptif untuk Penelitian Dilengkapi Perhitungan Manual
dan Aplikasi SPSS Versi 17. Jakarta : Rajawali Pers.
Somantri, Ating dan Sambas Ali Muhidin. 2006. Aplikasi statistika dalam Penelitian. pustaka
ceria : Bandung
Subana,dkk. 2000. Statistik Pendidikan. Pustaka Setia:Bandung
Sudijono, Anas. 2008. Pengantar Statistik Pendidikan. Raja Grafindo Persada.Jakarta
Sudijono, Anas. 2009. Pengantar Statistik Pendidikan. Jakarta : PT RajaGrafindo Persada.
Sudijono, Anas. 1987. Pengantar Statistik Pendidikan. Jakarta : PT RajaGrafindo Persada.
Sudjana, M.A., M.SC.2005. METODE STATISTIKA. Bandung: Tarsito
Sugiyono. 2014. Statistika untuk Penelitian. Bandung : Alfabeta.
Supranto, 1994. “Statistik Teori dan Aplikasi Jilid 2”. Jakarta : Erlangga.

18. Ukuran Dispersi Page 18
Usman, Husaini & Setiady Akbar, Purnomo.2006. PENGANTAR STATISTIKA. Yogyakarta:
BUMI AKSARA.
Walpole, Ronald E, 1995. “Pengantar Statistik Edisi Ke-4”. Jakarta : PT Gramedia.